| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-06-28 13:00 Nonparametric Bayesian Deep Visualization ○石塚治也（ブリヂストン）・持橋大地（統計数理研）  NC2021-1 IBISML2021-1 |
|
| 抄録 | （和） | 高次元データを散布図で可視化する場合，次元削減により観測値を圧縮する必要がある．t-SNEに代表される，観測値間の類似度を元に次元削減を行う類似度ベース次元削減は，可視化の際に広く用いられている．しかし，観測値のベクトル表現によっては，観測値間の類似度と真の類似度が乖離するため，可視化精度が低下する．これに対して，ニューラルネットワーク(NN)を用いる深層潜在変数モデルは，観測値ベクトルよりも正確に特徴を反映する潜在表現を推定ができる可能性があり，ベクトル表現が原因で前者が機能しないときの有効な代替案になる．一方で性能の最適化には，NNのモデル構造など多くの超パラメータを調整する必要があり，その試行の中で，NNの大量のパラメータの学習を繰り返すため，計算時間が増大しやすい．また，可視化結果は設定された超パラメータの探索範囲によって変化する．本稿では，これらの問題点に対処するため，Nonparametric Bayesian Deep Visualization (NPDV) を提案する．NPDVは，NNによる潜在表現の推定と可視化を同時に行う確率モデルであり，無限混合ガウスモデル，無限ユニットNNを併用することで，少数の超パラメータでモデルが構成される．さらに，無限ユニットNNは少数のパラメータで定義されるため，パラメータ数も既存の深層潜在変数モデルと比較して少ない．本稿では提案手法の詳細と，実験結果について報告する． |
| （英） | (Not available yet) | |
| キーワード | （和） | データ可視化 / ガウス過程 / ノンパラメトリックベイズモデル / 深層学習 / / / / |
| （英） | Data Visualization / Gaussian Processes / Nonparametric Bayesian / Deep Learning / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 80, IBISML2021-1, pp. 1-8, 2021年6月. | |
| 資料番号 | IBISML2021-1 | |
| 発行日 | 2021-06-21 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2021-1 IBISML2021-1 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2021-06-28 - 2021-06-30 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2021-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | Nonparametric Bayesian Deep Visualization |
| サブタイトル（和） | |
| タイトル（英） | Nonparametric Bayesian Deep Visualization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | データ可視化 / Data Visualization |
| キーワード(2)（和/英） | ガウス過程 / Gaussian Processes |
| キーワード(3)（和/英） | ノンパラメトリックベイズモデル / Nonparametric Bayesian |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 石塚 治也 / Haruya Ishizuka / イシヅカ ハルヤ |
| 第1著者 所属（和/英） | 株式会社ブリヂストン (略称： ブリヂストン) Bridgestone Corporation (略称： Bridgestone Corp.) |
| 第2著者 氏名（和/英/ヨミ） | 持橋 大地 / Daichi Mochihashi / |
| 第2著者 所属（和/英） | 統計数理研究所 (略称： 統計数理研) The Institute of Statistical Mathmatics (略称： ISM) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-06-28 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2021-1, IBISML2021-1 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.79(NC), no.80(IBISML) |
| ページ範囲 | pp.1-8 |
| ページ数 | 8 |
| 発行日 | 2021-06-21 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]